基于集成学习的电子商务平台新用户重复购买行为预测

摘要：

对电子商务平台新用户重复购买行为进行预测有助于商户开展精准营销.现有单一方法在预测准确性方面还有待提升,文中提出一种基于集成学习的预测模型以进一步提升新用户重复购买行为的预测准确率.引入"分段下采样"以获得新用户重复购买和未重复购买的平衡样本;从用户、商户及用户与商户交互三方面构建新用户购买行为特征;依据集成学习思想Stacking融合RandomForest,XGBoost和LightGBM对新用户重复购买行为进行预测.实验结果表明,Stacking融合模型准确率和AUC值比单一模型平均提升了0.4％～2％,使用"分段下采样"样本平衡算法AUC值提升0.1％左右.

关键词：重复购买行为预测、集成学习、分段下采样、平衡样本获取、购买行为特征构建、Stacking融合模型

所属期刊栏目：43

分类号：TN99-34;TP391

资助基金：国家自然科学基金资助项目;广西科技重大专项:智慧旅游服务及应用示范;桂林电子科技大学研究生教育创新计划资助项目

在线出版日期：2020-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：115-119,124